00:00:08 Einführung und Stephen Disneys Hintergrund.
00:01:26 Überblick über den Bullwhip-Effekt in supply chains.
00:02:26 Vier zentrale Ursachen des Bullwhip-Effekts.
00:05:17 Lagerfehlbestände und ihr Einfluss auf den Bullwhip-Effekt.
00:06:02 Bedeutung des Bullwhip-Effekts heute und Möglichkeiten zu seiner Abschwächung.
00:08:00 Prognosen und probabilistische Modelle im supply chain management.
00:10:23 Mehr Optionen entwickeln und Alternativen nutzen für besseren Service.
00:12:13 Übergang von Punktprognosen zu probabilistischen Prognosen zur Minderung von Problemen in der supply chain.
00:14:35 Anwendung der Regelungstheorie in supply chain Auffüllungsalgorithmen.
00:15:38 Joannes teilt seine Gedanken zur Analogie von Feedback-Controllern in supply chain management.
00:16:00 Stochastischer Gradientenabstieg und lokale Optimierung in hochdimensionalen Spielen.
00:17:11 Verschiedene Optimierungsansätze für unterschiedliche Branchen und Verticals.
00:19:07 Anwendung von Optimierungstechniken in realen supply chains.
00:20:54 Bedeutung präziser Prognosen und Produktionstechnik.
00:23:20 Bedeutung des Bullwhip-Effekts heute und seine Verbindung zur COVID-Pandemie.
00:25:01 Diskussion über die Machbarkeit der Quantifizierung von Schwankungen in supply chains.
00:26:05 Diskussion über finanzielle Steuerung in supply chains.
00:26:22 Stephens Forschung zu dual sourcing supply chains.
00:27:24 Stephens Ansichten zu den Vorteilen von dual sourcing supply chains.
00:28:01 Vergleich von supply chains mit Regelkreisen und der Eigenfrequenz.
Zusammenfassung
Kieran Chandler interviewt Joannes Vermorel, den Gründer von Lokad, und Stephen Disney, Operations Management Professor, über den bullwhip effect in supply chains. Disney identifiziert vier zentrale Ursachen des Effekts und schlägt vor, dass Unternehmen ihn durch den Einsatz von Regelungstechnik-Ideen, Informationsaustausch und andere Strategien abschwächen können. Vermorel hebt die Bedeutung von probabilistic forecasts und das Beherrschen von Optionalität im supply chain management hervor. Disney führt die Regelungstheorie ein, und sie diskutieren praktische Ratschläge zur Umsetzung dieser Techniken. Beide Experten sind der Ansicht, dass der bullwhip effect nicht unvermeidlich ist. Stephens Forschung konzentriert sich auf dual sourcing supply chains, was eine erhöhte Robustheit gegenüber disruptions bietet. Sie räumen ein, dass sich die Erholung der supply chain von der COVID-19-Pandemie in Abhängigkeit von lead times unterscheiden wird.
Erweiterte Zusammenfassung
In diesem Interview moderiert Kieran Chandler eine Diskussion mit Joannes Vermorel, dem Gründer von Lokad, und Stephen Disney, Professor für Operations Management an der University of Exeter, über den bullwhip effect in supply chains. Der bullwhip effect ist ein Phänomen, bei dem Schwankungen, die in einem System beobachtet werden, wie etwa in einer supply chain, die Ausprägung der Schwankungen an der Eingangsseite, typischerweise der Nachfrage, übersteigen.
Stephen Disney hat 25 Jahre damit verbracht, den bullwhip effect zu untersuchen, und dabei ingenieurwissenschaftliche Techniken, Computersimulation und Mathematik eingesetzt, um Unternehmen zu helfen, das Problem zu verstehen und zu mindern. Er skizziert vier zentrale Ursachen des bullwhip effects, wie sie in einem Papier von 1997 identifiziert wurden: 1) die Verarbeitung von Nachfragesignalen (das Interpretieren, Prognostizieren und Generieren von replenishment Bestellungen), 2) Batch-Bestellungen (Mindest- oder wirtschaftliche Bestellmengen), 3) Rationierung und Spielerei (Überbestellungen aufgrund von shortages und späteres Stornieren von Bestellungen) und 4) Preisschwankungen (das Manipulieren der Nachfrage nach Produkten).
Joannes Vermorel stimmt zu, dass der bullwhip effect allgegenwärtig ist, weist jedoch darauf hin, dass die Ursachen und Ausprägungen je nach Branche variieren können. Zum Beispiel können im Einzelhandel mit frischen Lebensmitteln Lagerfehlbestände große Nachfrageschwankungen verursachen, indem sie das Konsummuster der Verbraucher synchronisieren.
Stephen ist der Ansicht, dass die Schlussfolgerungen des Papiers von 1997 auch heute noch relevant sind, insbesondere für kapitalintensive Unternehmen am unteren Ende der supply chains, da Produktion oder Distribution zwei- bis fünfmal variabler als die Nachfrage sein können und Lagerbestände fünf- bis zehnmal variabler. Er widerspricht der Behauptung des Papiers, dass der bullwhip effect unvermeidlich sei, und argumentiert, dass Unternehmen ihn durch die Wahl geeigneter forecasting methods, deren Feinabstimmung, den Einsatz von Regelungstechnik-Ideen, den Informationsaustausch (z. B. mittels EPOS-Daten oder Vendor-Managed Inventory) und andere Strategien mindern können.
Joannes Vermorel stellt auch die Idee in Frage, dass der bullwhip effect unvermeidlich sei, und schlägt vor, dass Unternehmen Wege finden können, die Auswirkungen abzumildern.
Vermorel hob den Wechsel von Punktprognosen zu probabilistischen Prognosen als eine wesentliche Verbesserung im Umgang mit Unsicherheiten in der supply chain hervor. Er argumentierte, dass dieser Wechsel dazu beiträgt, Probleme der numerischen Stabilität zu mildern und eine genauere Darstellung von Nachfrage und lead times zu ermöglichen.
Vermorel betonte auch die Bedeutung, Optionalität im supply chain management zu beherrschen. Indem Unternehmen verschiedene Optionen für den Austausch von Komponenten oder die Wahl unterschiedlicher Transportmethoden in Betracht ziehen, können sie sich besser an veränderte Situationen anpassen und Risiken minimieren. Er bemerkte, dass die Möglichkeit, diese Optionen zu nutzen, in den letzten Jahren stark erweitert wurde, was es zunehmend ermöglicht, supply chains optimieren.
Stephen Disney führte das Konzept der Regelungstheorie im supply chain management ein und zog dabei eine Parallele zur Erfahrung, die Wassertemperatur in einer Dusche zu regeln. Er erklärte, dass kleine, allmähliche Anpassungen an supply chain decisions notwendig sind, um Schwankungen bei Angebot und Nachfrage zu vermeiden. Dieses Konzept ist anwendbar auf inventory management und Auffüllungsalgorithmen in ERP-Systemen, wo Unternehmen ihre Bestandsniveaus und den Work in Progress (WIP) langsam korrigieren können, um einen reibungsloseren und stabileren supply chain zu schaffen.
Joannes Vermorel stimmte Disneys Analogie zu und bemerkte, dass der Durchbruch von deep learning die Wiederentdeckung des stochastischen gradient descent darstellte, bei dem kleine Anpassungen vorgenommen werden, um ein System zu verbessern. Diese Idee stimmt mit Disneys Dusch-Analogie überein, bei der kleine, allmähliche Veränderungen helfen können, den supply chain angesichts von Unsicherheiten zu optimieren.
Sie diskutierten über die Optimierung von supply chains und die Anwendung dieser Techniken in realen Szenarien.
Vermorel erörtert die Wirksamkeit der gradientenbasierten Optimierung und betont die Bedeutung, die Asymmetrien wirtschaftlicher Treiber in verschiedenen Branchen zu berücksichtigen. Er verwendet das Beispiel der Luxusuhrenproduktion, bei der bestimmte Einschränkungen aufgrund der hohen gross margins und der Wiederverwertbarkeit der verwendeten Materialien möglicherweise nicht gelten. Er hebt außerdem hervor, dass man verstehen muss, dass das, was in einer Branche als verschwenderisch angesehen wird, in einer anderen als vertretbar gelten könnte.
Disney hingegen spricht über praktische Ratschläge für Unternehmen bei der Implementierung dieser Techniken. Er empfiehlt, mit einer Value Stream Mapping zu beginnen, um den Prozess der Produktion eines Produkts und die strategischen Bedürfnisse des supply chain zu verstehen. Unternehmen sollten feststellen, ob sie sich auf die Reduzierung von Inventar konzentrieren oder ob Kapazitätskosten eine wesentliche Rolle spielen, da diese Faktoren den Optimierungsansatz beeinflussen. Außerdem sollten sie die time series der Nachfrage, Prognosen, Produktionsziele und -abschlüsse sowie die Lagerbestände untersuchen, um die Ursachen und Konsequenzen von Schwankungen im System zu identifizieren.
Disney empfiehlt, zu prüfen, ob manuelle Anpassungen an Prognosen einen Mehrwert bieten im Vergleich zu algorithmischen Prognosen, und zu bewerten, ob die gewählten Prognosealgorithmen für die geschäftlichen Anforderungen richtig abgestimmt sind. Er hebt außerdem die Wichtigkeit hervor, dass die Algorithmen, die die Prognosen verwenden, korrekt in IT-Systemen, ERP-Systemen oder spreadsheets eingerichtet sind, um die Produktion zu planen und die Beschaffung von Lieferanten zu steuern. Schließlich betont er die Bedeutung des Produktionsengineerings, wie die Zuverlässigkeit von Maschinen und die Produktqualität.
Hinsichtlich der Relevanz des Bullwhip-Effekts heute glaubt Vermorel, dass die COVID-19-Pandemie keine direkte Manifestation des Bullwhip-Effekts war, sondern vielmehr ein Beispiel für Fat-Tail-Ereignisse darstellt, die supply chain Manager an die Bedeutung der Berücksichtigung nicht-normaler statistischer Verteilungen erinnern. Er spekuliert, dass die Nachwirkungen der Pandemie bullwhip-ähnliche Probleme hervorrufen könnten, wie sie in der Elektronikindustrie in Asien zu beobachten sind.
Vermorel erklärt, dass Unternehmen durch die Betrachtung aller möglichen Zukünfte und Entscheidungen detailliertere Reaktionen auf supply chain-Probleme erzielen können. Dieser Ansatz war vor zwei Jahrzehnten technisch nicht machbar, ermöglicht es den Unternehmen jedoch, die finanziellen Ergebnisse in der Gegenwart effektiver zu steuern. Supply chains haben oft nicht-lineare Kosten, was bedeutet, dass die Produktion von doppelt so viel fünfmal so viel kosten kann, bedingt durch Überstunden, aggressive Wartung und andere Faktoren. Auch wenn diese Probleme nicht vollständig beseitigt werden können, lassen sie sich aus finanzieller Sicht effizienter managen.
Disneys Forschung konzentriert sich auf dual sourcing supply chains, bei denen Unternehmen den Großteil ihrer Produkte aus Niedrigkostenländern mit langen Lieferzeiten beziehen und gleichzeitig durch eine kleinere lokale Fabrik ergänzen. Die lokale Fabrik kann schnell auf Nachfrageschwankungen reagieren und die Lagerbestände streng kontrollieren, während der Großteil der Nachfrage durch kostengünstige Produkte aus entfernten Fabriken gedeckt wird. Dieser Ansatz bietet mehrere Vorteile, darunter eine reduzierte globale Distribution, die Möglichkeit, die Produktion wieder in westliche Länder zu verlagern, und eine erhöhte Robustheit der supply chain gegenüber Störungen.
Laut Disney besitzen supply chains eine natürliche Frequenz, ähnlich wie eine Brücke, die im Wind schwingt. Der supply chain oszilliert derzeit aufgrund der Auswirkungen von COVID-19 in seiner natürlichen Frequenz, was dazu führen wird, dass die Nachfrage periodisch steigt und fällt. Globale supply chains mit langen Lieferzeiten werden sich langsamer erholen, während supply chains mit kürzeren Lieferzeiten schneller wieder in Schwung kommen.
Vollständiges Transkript
Kieran Chandler: Heute bei Lokad TV freuen wir uns, Stephen Disney begrüßen zu dürfen, einen Professor für Operations Management an der University of Exeter, der uns erklären wird, warum dieser Effekt auftreten kann und welche Auswirkungen er auf supply chain practitioners haben kann. Also Stephen, vielen Dank, dass du dich heute live aus Exeter zugeschaltet hast. Wie immer möchten wir ein wenig mehr über unsere Gäste erfahren. Vielleicht könntest du damit beginnen, uns ein wenig über dich zu erzählen.
Stephen Disney: Ja, mein Name ist Stephen Disney. Ich bin Professor für Operations Management an der Exeter University hier im Vereinigten Königreich. Tatsächlich interessiere ich mich in meiner Forschung für supply chain dynamics. Ich habe also in etwa den letzten 25 Jahren den Bullwhip-Effekt untersucht. Dies ist ein dynamischer Effekt in supply chains, und ich habe ingenieurwissenschaftliche Techniken, Computersimulationstechniken und mathematische Techniken auf diese Probleme angewendet, während ich an einer Business School tätig war und Unternehmen unterstützt habe. Ich finde das faszinierend, und danke, dass ich heute darüber sprechen darf.
Kieran Chandler: Natürlich, kein Problem. Heute werden wir uns etwas ausführlicher mit der Idee des Bullwhip-Effekts beschäftigen. Vielleicht könntest du uns einen kurzen Überblick geben.
Joannes Vermorel: Nach meinem Verständnis ist der Bullwhip-Effekt im Grunde ein Phänomen, bei dem die Schwankungen, die man in einem System beobachtet – und hier betrachten wir supply chain als ein System – die Größenordnung der Schwankungen übersteigen, die den Eingang des Systems speisen, wobei dies typischerweise die Nachfrage ist. Das ist also das Phänomen. Übrigens: Wenn es etwas gibt, das die Schwankungen der Eingänge verstärken kann, gibt es auch Faktoren, die die Schwankungen verringern. Typische Beispiele dafür sind etwa Bestandspuffer.
Kieran Chandler: Also, Stephen, welche Faktoren können den sogenannten Bullwhip-Effekt beeinflussen? Welche sind das?
Stephen Disney: Nun, Hau Lees Arbeit aus dem Jahr 1997 identifizierte vier wesentliche Ursachen des Bullwhip-Effekts. Eine davon nennt man Demand Signal Processing, bei der es darum geht, wie wir die Nachfrage interpretieren, prognostizieren und dann Nachfüllaufträge generieren. Dort steckt also ein Prognose- und Nachfüllalgorithmus. Die nächste Ursache ist das Batching, bei dem wir in einer Mindestbestellmenge oder einer wirtschaftlichen Bestellmenge produzieren, was Variabilität einführt. Ein weiterer Effekt ist das Rationieren und Gaming; es kann vorkommen, dass Produkte knapp sind oder auch dein Lieferant Produkte knapp hat, sodass du überbestellst, um dennoch die Produkte zu erhalten, die du tatsächlich benötigst, und dann musst du deine Bestellungen stornieren, wenn diese Produkte eintreffen. Die letzte Ursache sind Preisschwankungen. Unternehmen manipulieren gerne die Nachfrage nach Produkten, was die zukünftige Nachfrage kannibalisieren kann. Das 2‑für‑1‑Angebot im Supermarkt ist ein klassisches Beispiel. Ich kaufe doppelt so viel Toilettenpapier, wenn es zum halben Preis ist, da es nicht verdirbt und ich zu Hause ausreichend Stauraum habe. Allerdings kann Everyday Low Pricing dieses Problem lösen.
Kieran Chandler: Auch Revenue-Management-Techniken?
Joannes Vermorel: Ja, das Grundlegende, das auf der Struktur des Systems beruht, sind die Vorlaufzeiten im Forecasting und im Nachfüllsystem – also die Vorlaufzeiten, die durch das Demand Signal Processing verursacht werden.
Kieran Chandler: Und Stephen erwähnte dort das Nachfrage-Signal, das sich in Form von Prognosen manifestiert – das scheint von diesen vier Faktoren am meisten Beachtung zu finden. Denkst du, dass das fair ist? Glaubst du, dass das der richtige Weg ist?
Joannes Vermorel: Ich denke, es hängt von den Geschäftszweigen ab. Meine eigene Beobachtung ist, dass es viele Bereiche gibt, in denen etwas dominiert, und dennoch tritt so ein Verstärkungseffekt der Schwankungen – oder der Bullwhip-Effekt – auf, wobei die Ursachen vollkommen unterschiedlich und äußerst simpel sind. Zum Beispiel im Einzelhandel für Frischwaren: Was dort ausschlaggebend ist, sind tatsächlich Lagerausfälle. Denn wenn es einen Lagerausfall gibt, neigen die Kunden dazu, ihre Konsummuster zu synchronisieren. Was wir bei vielen Lebensmittel-Einzelhändlern beobachten, ist, dass man große Nachfrageschwankungen feststellen kann, weil eine Kundengruppe bei einem Lagerausfall ihren Konsum ein wenig verzögert. So entsteht ein Verstärkungseffekt, der die Konsummuster allein durch die Lagerausfälle synchronisiert. Lagerausfälle können durch diese Synchronisation der Kunden tatsächlich viele der großen Schwankungen hervorrufen. Letztlich glaube ich, dass solche Effekte zwar allgegenwärtig sind, die Art, wie sie sich manifestieren, aber stark von der betrachteten Branche abhängt. Das ursprüngliche Papier konzentrierte sich ausführlich auf FMCG, und was ich sagen möchte, ist, dass es in Unternehmen, die keine FMCG-Unternehmen sind, ganz anders ablaufen kann.
Kieran Chandler: Okay, Stephen, lass uns über die Hauptschlussfolgerungen dieses Papiers sprechen. Es wurde vor über 20 Jahren veröffentlicht – was waren die Hauptschlussfolgerungen und würdest du sagen, dass sie heute noch relevant sind?
Stephen Disney: Ich denke, die Schlussfolgerungen sind auch heute noch sehr relevant. Hauptsächlich wurde festgestellt, dass der Bullwhip-Effekt unvermeidlich ist, besonders aufgrund der Verarbeitung des Nachfrage-Signals. Eine positiv, gering korrelierte Nachfrage wird immer einen Bullwhip-Effekt erzeugen. In Unternehmen sehe ich typischerweise, dass auf Ebene einzelner Produkte die Produktion oder Distribution doppelt so variabel ist wie die Nachfrage, manchmal sogar fünfmal so variabel. Das hat auch Auswirkungen auf den Bestand, der fünf- bis zehnmal variabler sein kann als die Nachfrage. Ich sehe also viele Unternehmen, die unter diesem Effekt leiden, und für kapitalintensive Unternehmen am unteren Ende der supply chain ist das eine große Ineffizienz. Die Hauptschlussfolgerung ist besonders im Zeitalter globaler supply chains relevant, da wir im Laufe der Zeit globaler geworden sind und längere Vorlaufzeiten haben. Wo ich nicht zustimme, ist der Aspekt des „Unvermeidlichen“. Es gibt Dinge, die wir tun können; wir können passendere Prognosemethoden auswählen.
Kieran Chandler: Wir können Prognosemethoden richtig abstimmen und auch Nachschubentscheidungen mithilfe von Ideen und Theorien aus der Regelungstechnik treffen, um den Bullwhip-Effekt zu glätten und zu eliminieren. Wir können Informationen nutzen, etwa EPOS-Daten im Einzelhandel, die uns helfen können. Wir können auch Techniken wie Vendor Managed Inventory einsetzen, bei denen dein Lieferant Zugriff auf deine Bestandsinformationen hat und diese in seine Entscheidungen einfließen lässt. All diese Ansätze können helfen, den Bullwhip-Effekt zu mildern, und in manchen Fällen sogar vollständig zu eliminieren. Joannes, was meinst du dazu? Würdest du sagen, dass es nicht so endgültig ist und es Möglichkeiten gibt, den Einfluss abzuschwächen?
Joannes Vermorel: Meine Sichtweise ist, dass der Ansatz der Prognose, der Ende des 20. Jahrhunderts entstand, fest in der Punktprognose verankert ist. Es handelt sich um eine Prognose, die im Grunde eine Zeitreihe mit jeweils einem Datenpunkt pro Jahr, Tag, Woche oder Monat darstellt, wobei die Prognose mit einem Zeitreihenansatz und unter Berücksichtigung der Bestandsverwaltung fortgeschrieben wird. Was Lokad seit über einem Jahrzehnt tut, ist, zu probabilistischen Prognosen für alle Bereiche überzugehen, in denen Unsicherheit besteht, wie bei der Nachfrage und bei den Vorlaufzeiten. Dieser Fluch, den man mit Punktprognosen hatte – entweder hat man eine Prognose, die ständig hinterherhinkt, oder wenn man etwas Reaktiveres einsetzt, resultieren deutlich größere Schwankungen –, das sind numerische Stabilitätsprobleme, die genau darauf beruhen, dass es sich um Punktprognosen handelt. Wenn wir in den Bereich der probabilistischen Prognosen wechseln, verschwinden die meisten dieser Probleme buchstäblich vollständig. Das wäre der erste Teil meiner Antwort.
Der zweite Teil besteht darin, dass ich die supply chain typischerweise so angehe, dass es um die Beherrschung von Optionalität geht – und ein Teil des Ansatzes ist, mehr Optionen zu kultivieren. Ich bin der Meinung, dass die Vision, in der man die Nachfrage als einen Monolithen und die Vorlaufzeiten als einen Monolithen betrachtet, bis zu einem gewissen Grad veraltet ist. Zunächst gibt es einen großen Spielraum für Substitution. Manchmal kann man sogar so gestalten, dass man diese Substitution nutzt, um einen besseren Service zu bieten. Es kann Komponenten geben, die zwischen den Produkten, die du bedienst, geteilt werden – sodass du nicht zwangsläufig dem Archetyp folgen musst, zum Beispiel in der Pharmaindustrie, wo du
Kieran Chandler: Joannes, was hältst du von der Idee, die Optionen in Bezug auf Transport und Verpackung offen zu halten, um potenzielle supply chain-Probleme zu mildern?
Joannes Vermorel: Du brauchst das rohe, aktive Produkt, aber dann kannst du – um deine Optionen offen zu halten – 150 verschiedene Verpackungsoptionen in letzter Minute realisieren. Heutzutage gibt es zahlreiche Transportmöglichkeiten, wie Luft, See, Schiene und Straße. Es ist nicht so, dass irgendeine Option in Stein gemeißelt ist; es gibt ein Kontinuum von Möglichkeiten, die mehr oder weniger teuer sein können. Je nach Situation könntest du dich beispielsweise entscheiden, eine frühzeitige Lieferung per Flugzeug zu einem deutlich höheren Preis in Anspruch zu nehmen, nur weil dadurch deine Vorlaufzeiten stark verkürzt und ein drohender Lagerausfall gemildert wird. Aber das wirst du nicht für deine gesamte Produktion tun, sondern nur für einen Teil. Während ich Stephens Schlussfolgerung zustimme, dass supply chain-Probleme nicht unvermeidlich sind, würde ich sagen, dass sich die Anzahl der Möglichkeiten, diese abzuschwächen und deine supply chain profitabler zu gestalten, in den letzten zwei Jahrzehnten enorm erweitert hat.
Kieran Chandler: Stephen, du hast die Idee erwähnt, Regelungstheorie zu nutzen, die ich eher als eine ingenieurtechnische Methode sehe. Wie lässt sich das in einem solchen Szenario anwenden?
Stephen Disney: Ich habe eine Analogie, die ich gerne benutze – es geht ums Duschen. In einer supply chain treffen wir eine Entscheidung, und nach einer gewissen Zeit erhalten wir Produkte entweder aus unserem Produktionssystem oder von unserem Lieferanten. Es gibt eine Verzögerung zwischen der Ursache, der Entscheidung, und der Folge, dem Eintreffen der Produkte. Stell dir vor, du hast eine dieser altmodischen Duschen mit separaten Warm- und Kaltwasserhähnen. Um die Temperatur zu regeln, würde ich den Warmwasserhahn ganz aufdrehen, warten, bis das heiße Wasser durch die Dusche kommt und auf meinen Kopf fällt, und dann den Kaltwasserhahn nutzen, um die Temperatur zu regulieren. Wenn ich den Kaltwasserhahn zu schnell aufdrehe, wird es zu kalt, und wenn ich ihn zu schnell wieder zurückdrehe, wird es zu heiß. Wir wissen, dass man in der Dusche den Hahn langsam aufdrehen und warten sollte, bis das Wasser durch das Rohr kommt, um die gewünschte Temperatur zu erreichen.
Dasselbe Prinzip gilt für eine supply chain. Wenn die Nachfrage steigt – sei es, weil wir in neue Märkte vorgedrungen sind oder unsere Produkte attraktiver geworden sind – wollen wir nicht sofort dem vollen Anstieg nachjagen, denn das würde zu Schwankungen bei Angebot und Nachfrage führen. Stattdessen möchten wir langsam auf Änderungen in der Nachfrage reagieren. Wenn die Nachfrage nur kurzlebig ist, könnte sie wieder abfallen, und wir reagieren dann nicht übermäßig nach oben oder unten.
Kieran Chandler: Also, Joannes, du hast diesen Nachschubalgorithmus erwähnt, der dabei hilft, die Schwankungen in der Produktion auszugleichen. Kannst du uns dazu etwas mehr erzählen?
Joannes Vermorel: Ja, absolut. Wir erhalten ein schön gleichmäßiges Muster, bei dem Produktionsaufträge oder Nachschubaufträge zwischen den Spitzen und Tälern der Nachfrage fließen – und genau hier setzen die Nachschubalgorithmen an. Die Prognose wird in dem Nachschubalgorithmus deines ERP-Systems verwendet, und typischerweise handelt es sich bei einem Produkt mit hohem Volumen um eine Variante der sogenannten “water up to policy”, die zwei Rückkopplungsschleifen enthält: eine für den Bestand und eine für die laufende Produktion (Work in Progress, WIP). Wir haben also einen Zielbestand, der unser Sicherheitsbestand ist, und der tatsächliche Bestand kann darunter oder darüber liegen. Anstatt das in einer einzigen Entscheidung vollständig zu korrigieren, wollen wir es langsam über die Zeit anpassen, um die Variabilität in der Produktion zu glätten. Beim WIP, also der laufenden Produktion, ist es genauso: Wenn die Vorlaufzeit lang ist, gibt es einen Zielwert an Produkten in Schiffen oder Containern, die an uns geliefert werden – und das muss genauso berücksichtigt werden wie der Bestand. Es ist eine kleine Änderung im Algorithmus, die jedoch einen großen Einfluss auf die Dynamik von supply chains haben kann.
Kieran Chandler: Stephen, was hältst du von dieser Art von Analogie? Es erscheint ziemlich offensichtlich, dieser Idee eines fast wie eines Rückkopplungsreglers zu folgen. Es klingt, als würde es oberflächlich betrachtet funktionieren.
Stephen Disney: Nun, Kieran, ich meine, auf den ersten Blick war einer der größten Durchbrüche im Deep Learning eigentlich die Wiederentdeckung der Kraft des stochastischen Gradientenabstiegs – was genau das ist. Du stößt ein System Stück für Stück in die Richtung an, in der du lernen möchtest. Darum geht es beim stochastischen Gradienten: Es ist, als wäre die Duschanalogie eine Reihe kleiner Anstöße, warm und kalt, bis der richtige Zustand erreicht ist. Es ist sehr interessant, denn vor zwei Jahrzehnten waren die Leute äußerst skeptisch gegenüber dem, was heute im Wesentlichen als lokale Optimierung bekannt ist. Im Grunde folgst du einfach dem Gradienten und erzielst ein hochoptimiertes Ergebnis – und die Leute dachten: „Oh, wenn du das machst, bleibst du in einer Art lokalen Minimum stecken, und es funktioniert nicht.“ Die Realität ist, dass bei sehr hochdimensionalen Problemen lokale Minima nicht das Problem darstellen, sondern die Geschwindigkeit der Konvergenz. Das sanfte Anstoßen des Systems mit kleinen Bewegungen, wie es beim stochastischen Gradientenabstiegsverfahren geschieht, funktioniert sehr, sehr gut. Das wäre ein Teil meiner Überlegungen. Dann gibt es noch einen weiteren Aspekt: Wenn wir darüber sprechen, was wir optimieren wollen, hängt das sehr von den Branchen ab, die du betrachtest. Beispielsweise nehmen wir den Bereich des Hard Luxury. Nehmen wir an, du bist ein Meisteruhrenmacher und produzierst sehr teure Uhren – und das Extrem wären Damenuhren. Im Grunde hast du ein Schmuckstück, das aus Edelmetallen besteht, zu 100 % recycelbar ist. Du kannst 100 % des Wertes recyceln. Du hast Edelmetalle, Edelsteine und ein Uhrwerk, das gewissermaßen standardisiert ist. Was sind also deine Einschränkungen? Ich meine, buchstäblich: Wenn du nichts im Laden vorzuweisen hast, kaufen die Leute nicht, also besitzt du es ja. Kieran Chandler: In diesem Markt, in dem Hard Luxury stark von Neuheiten getrieben wird, musst du wirklich sehr viel produzieren. Und was passiert, wenn du nicht produzierst? Joannes Vermorel: Nun, was du nicht produzierst, bringst du einfach die teuren Uhren zurück in den Laden, demontierst alle Edelsteine, recycelst das Metall und setzt die Uhrwerke in neue Uhren ein, die du dann wieder auslieferst. Dann stellst du fest, dass die Montage vielleicht nur rund fünf Prozent der Kosten einer Uhr ausmacht und eine Bruttomarge von 80 % erzielt wird. Also siehst du, in so einer Situation wirken sehr starke Asymmetrien. Natürlich variiert das – es ist nicht dasselbe wie bei einem stark umkämpften FMCG, das mit extrem knappen Margen arbeitet. Mein Punkt ist, dass gradientenbasierte Optimierung wirklich funktioniert – aber man muss dann wirklich die Asymmetrie der wirtschaftlichen Treiber berücksichtigen, um die Bereiche zu erkennen, die den optimalen Gleichgewichtspunkt darstellen. Und was in einer Branche als extrem verschwenderisch gilt, könnte in einer anderen als durchaus angemessen betrachtet werden.
Kieran Chandler: Okay, Stephen, lass uns ein wenig über die Anwendung dieser Techniken in der realen Welt sprechen. Ich denke, einer der Aspekte, bei denen das Papier sehr gut war, war, dass es einige dieser Probleme aufgezeigt hat, aber es gab keine konkreten Handlungsanweisungen, wie man damit umgeht. Welchen Rat gibst du also den Unternehmen, mit denen du vielleicht zusammenarbeitest? Stephen Disney: Aufbauend auf Joannes’ Ideen denke ich, dass der erste Schritt darin besteht, die Bedürfnisse deiner supply chain zu verstehen. Das Erstellen von Value Stream Maps ist ein wichtiger erster Schritt. Du möchtest den Prozess verstehen, der zur Produktion eines Produkts verwendet wird, und die strategischen Bedürfnisse dieses Prozesses erfassen. Handelt es sich um eine supply chain, bei der der Fokus ausschließlich auf der Reduzierung der Bestände liegt, oder spielen Kapazitätskosten eine wesentliche Rolle? Wenn du dich nur auf den Bestand konzentrierst und der Bullwhip-Effekt keine Konsequenzen hat, dann fokussiere dich auf die Minimierung deiner Bestandskosten – und das ist in Ordnung. In kapitalintensiven Branchen ist es vermutlich ein Spagat zwischen den Bestandskosten von Fertigwaren und Rohstoffen sowie der effizienten Nutzung deiner Produktionsanlagen und des dort gebundenen Kapitals. Also, wenn du deine supply chain verstehst und abbildest – ich nutze gern Value Stream Maps dafür – und dann darüber hinaus Zeitreihen overlayst, wie etwa die Zeitreihe der Nachfrage, der Prognosen, der Produktionsziele und -abschlüsse sowie der Bestandsniveaus von Fertigwaren und Rohstoffen, und dann zu deinem Lieferanten gehst, um zu sehen, wie dessen Prognosen oder Abrufe aussehen und ob sie mit den Lieferungen übereinstimmen, und ob du deinem Lieferanten verlässliche zukünftige Angaben machen kannst, bekommst du ein Verständnis dafür, wo im System die Variabilität entsteht und welche Konsequenzen diese hat – denn Variabilität ist nicht immer schlecht. Sobald du die strategischen Bedürfnisse deiner supply chain verstanden hast, kannst du darüber nachdenken, wie du deine Prognosen erstellst. Oft passen Unternehmen ihre Prognosen manuell an, und wir müssen überlegen, ob das im Vergleich zu einer algorithmischen Prognose tatsächlich einen Mehrwert bietet.
Kieran Chandler: Nutzen Sie die richtigen Prognosealgorithmen? Sind sie korrekt auf die Bedürfnisse Ihres Unternehmens abgestimmt? Eine bestandsorientierte supply chain hat einen anderen Prognosebedarf als ein kapitalintensives Prognoseunternehmen. Wir müssen daran denken, dass wir Prognosen nicht erstellen, um den Menschen zu zeigen, wie gut wir die Zukunft vorhersagen können, sondern um eine geschäftliche Entscheidung darüber zu treffen, wie viel wir von unseren Lieferanten bestellen und wie viel wir produzieren. Also, sind die Algorithmen, die diese Prognosen verwenden, an der richtigen Stelle eingerichtet? Haben sie proportionale Rückkopplungsregler, die richtigen Geschwindigkeiten der Steuerelemente? Sind sie korrekt eingerichtet?
Stephen Disney: Das ist Arbeit, die in Ihrem IT-System, Ihrem ERP-System oder in den Tabellen, die Sie zur Produktionsplanung und zur Beschaffung von Lieferanten verwenden, erledigt werden kann. Und dann gibt es noch altmodische Ingenieursarbeit zu leisten. Ist das Produktionssystem in der Lage, nach dem gewünschten Plan zu produzieren? Sind Ihre Maschinen zuverlässig? Erreichen Sie die Produktionsziele oder produzieren Sie manchmal zu viel oder zu wenig? Produzieren Sie qualitativ hochwertige Produkte? Es ist eine Mischung aus Prognose, Informatik, Regelungstechnik und altmodischer Produktionstechnik, um den Bullwhip-Effekt auf ein Niveau zu bringen, das für Ihre supply chain angemessen ist.
Kieran Chandler: Hervorragend. Und Joannes, wie relevant würden Sie sagen, ist der Bullwhip-Effekt heute? Würden Sie sagen, dass COVID ein sehr gutes Beispiel für den Bullwhip-Effekt in Aktion war?
Joannes Vermorel: Ich meine, COVID war für alle eine super groß angelegte Störung. Ich glaube nicht, dass es genau eine Manifestation des Bullwhip-Effekts war. Ich würde sagen, wenn es etwas gibt, das COVID charakterisierte, dann war es eine Art fat-tail Ereignis. Es hat daran erinnert, dass Verteilungen in supply chains – und mit Verteilungen meine ich statistische Verteilungen – nicht normal sind; sie sind “fat-tailed”. Somit gibt es diese extremen Ereignisse, die nicht so unwahrscheinlich sind, wie sie bei normalen Verteilungen erscheinen.
Ich vermute, dass aufgrund der Unbeständigkeit der Durchlaufzeiten alle möglichen Probleme infolge dieser Pandemie in Form von Bullwhips auftreten werden. In gewissem Maße denke ich, dass wir das derzeit in Asien im Bereich der Elektronik beobachten. Aber ich glaube nicht, dass es dominieren wird. Heutzutage finde ich es sehr interessant, dass wenn man einen Ansatz wählt, bei dem man alle möglichen Zukünfte betrachtet und dann alle möglichen Entscheidungen abwägt, man eine sehr granulare Reaktion erzielen kann – etwas, das vor zwei Jahrzehnten technisch nicht möglich war. Man kann wirklich beziffern, wie weit man bereit ist, Variationen in seinem System hinzunehmen, die über die Schwankungen der Nachfrage hinausgehen, weil in supply chains normalerweise nicht-lineare Kosten anfallen.
Kieran Chandler: Wenn Sie in derselben Zeitspanne doppelt so viel produzieren wollen, muss das nicht doppelt so viel kosten; es kann auch das Fünffache kosten, weil Mitarbeiter Überstunden machen müssen, Maschinen auf einem Niveau laufen, das aggressive Wartung erfordert, und so weiter. Die Frage ist, können Sie diese Probleme ausschließen oder zumindest aus finanzieller Sicht unter Kontrolle bringen, sodass Sie weitaus mehr Kontrolle über das finanzielle Ergebnis Ihres Unternehmens haben?
Joannes Vermorel: Heutzutage denke ich nicht, dass man diese Probleme eliminieren kann, aber man kann sie weitgehend aus finanzieller Sicht unter Kontrolle bringen, was Ihnen deutlich mehr Einfluss auf das finanzielle Ergebnis Ihres Unternehmens gibt.
Kieran Chandler: Stephen, wir überlassen Ihnen das letzte Wort. Ich weiß, dass Sie viel im Bereich statistischer Techniken und deren Anwendung im Operations Management forschen. Woran arbeiten Sie momentan und was wird Ihrer Meinung nach in den kommenden Jahren von Interesse sein?
Stephen Disney: In letzter Zeit habe ich viel Zeit damit verbracht, dual sourcing supply chains zu untersuchen. Dabei handelt es sich um supply chains, bei denen wir den Großteil unseres Produkts aus einem Niedrigkostenland beziehen, das möglicherweise weit entfernt ist, und das durch eine kleine lokale Fabrik ergänzen. Die kleine lokale Fabrik hat eine kürzere Durchlaufzeit und die Produktion vor Ort mag pro Einheit teurer sein, aber da wir den Großteil der Nachfrage über die langzyklische, kostengünstige supply chain abdecken können, sind die durchschnittlichen Stückkosten recht gering. Die kleine Fabrik kann ihr Volumen sehr schnell an die Variabilität der Nachfrage anpassen, sodass wir unsere Bestände unter sehr strenger Kontrolle halten können, während der Großteil der Nachfrage über die kostengünstigen Produkte der entfernten Fabrik gedeckt wird. Es ist interessant zu sehen, wie wir diese Ideen umsetzen. Ich denke, es ist gut aus ökologischer Sicht, da sich der Nettotransport von Produkten weltweit verringern wird. Es ist ein interessanter Weg, die Fertigung in die teuren westlichen Länder zurückzuholen und hoffentlich unsere supply chains widerstandsfähiger gegen Störungen zu machen. Aufbauend auf der letzten Frage – für mich ist die supply chain ein System mit einer natürlichen Frequenz, so wie eine Brücke im Wind mit einer bestimmten Frequenz schwingt. Die supply chain hat eine natürliche Frequenz, und wir haben ihr gerade einen ordentlichen COVID-Kick verpasst. Die supply chain wird einige Jahre lang mit ihrer natürlichen Frequenz oszillieren, bevor diese Schwingung abklingt. Wir werden sehen, dass die Nachfrage erst steigt, dann sinkt und anschließend wieder anzieht. Globale supply chains mit langen Durchlaufzeiten werden länger brauchen, um sich abzubauen, während supply chains mit kurzen Durchlaufzeiten deutlich schneller wieder zur Normalität finden.
Kieran Chandler: Hervorragend. Nun, vielen Dank euch beiden für eure Zeit. Das ist alles für diese Woche. Vielen Dank, dass Sie eingeschaltet haben, und wir sehen uns in der nächsten Episode wieder. Danke fürs Zuschauen.
